論文の概要: Towards Situation-aware State Modeling for Air Traffic Flow Prediction

• arxiv url: http://arxiv.org/abs/2604.11198v2
• Date: Tue, 14 Apr 2026 15:07:49 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-04-15 14:01:13.432742
• Title: Towards Situation-aware State Modeling for Air Traffic Flow Prediction
• Title（参考訳）: 気流予測のための状況認識状態モデリングに向けて
• Authors: Anqi Liu, Bin Wang, Jiangtao Zhao, Dechuan Ma, Guiyuan Jiang, Feng Hong, Yanwei Yu, Tianrui Li,
• Abstract要約: 航空交通予測のための直接状態間モデリングフレームワークである textitAeroSense を提案する。 エアロセンス(AeroSense)は、航空機の状態のテキストタダイナミックセットとしてリアルタイムの航空状況を表しており、可変数の航空機の直接処理を可能にする。 大規模な実世界の空港データセットの実験は、AeroSenseが常に最先端のパフォーマンスを達成することを示した。
• 参考スコア（独自算出の注目度）: 30.066012646796
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Accurate air traffic prediction in the terminal airspace (TA) is pivotal for proactive air traffic management (ATM). However, existing data-driven approaches predominantly rely on time series-based forecasting paradigms, which inherently overlook critical aircraft state information, such as real-time kinematics and proximity to airspace boundaries. To address this limitation, we propose \textit{AeroSense}, a direct state-to-flow modeling framework for air traffic prediction. Unlike classical time series-based methods that first aggregate aircraft trajectories into macroscopic flow sequences before modeling, AeroSense explicitly represents the real-time airspace situation as \textit{a dynamic set of aircraft states}, enabling the direct processing of a variable number of aircraft instead of time series as inputs. Specifically, we introduce a situation-aware state representation that enables AeroSense to sense the instantaneous terminal airspace situation directly from microscopic aircraft states. Furthermore, we design a model architecture that incorporates masked self-attention to capture inter-aircraft interactions, together with two decoupled prediction heads to model heterogeneous flow dynamics across two key functional areas of the TA. Extensive experiments on a large-scale real-world airport dataset demonstrate that AeroSense consistently achieves state-of-the-art performance, validating that direct modeling of microscopic aircraft states yields substantially higher predictive fidelity than time series-based baselines. Moreover, the proposed framework exhibits superior robustness during peak traffic periods, achieves Pareto-optimal performance under dayparting multi-object evaluation, and provides meaningful interpretability through attention-based visualizations.
• Abstract（参考訳）: ターミナル空域(TA)における正確な航空交通予測は、プロアクティブ航空交通管理(ATM)において重要である。 しかし、既存のデータ駆動のアプローチは主に時系列ベースの予測パラダイムに依存しており、これは本質的にはリアルタイム運動学や空域境界に近いといった重要な航空機の状態情報を見落としている。 この制限に対処するため、航空交通予測のための直接状態から流れへのモデリングフレームワークである「textit{AeroSense}」を提案する。 モデリングの前に航空機の軌道をマクロな流れ列に集約する古典的な時系列ベースの手法とは異なり、AeroSenseはリアルタイムの空域状況を「航空機状態の動的集合」として明示的に表現し、入力として時系列ではなく、可変数の航空機を直接処理することを可能にする。 具体的には,微視的航空機状態から直接,エアロセンスが瞬時終端空況を検知できる状況認識型状態表現を導入する。 さらに、TAの2つの重要な機能領域にわたる不均一な流れのダイナミクスをモデル化するために、2つの分離された予測ヘッドとともに、マスク付き自己アテンションを組み込んだ航空機間相互作用を捕捉するモデルアーキテクチャを設計する。 大規模な実世界の空港データセットに関する大規模な実験は、エアロセンスが一貫して最先端のパフォーマンスを達成し、顕微鏡航空機の状態を直接モデリングすることで、時系列ベースのベースラインよりもかなり高い予測忠実性が得られることを示した。 さらに,ピーク時のロバスト性を向上し,マルチオブジェクト評価におけるパレート最適性能を実現し,注意に基づく可視化による有意義な解釈性を提供する。

関連論文リスト

• ASCENT: Transformer-Based Aircraft Trajectory Prediction in Non-Towered Terminal Airspace [54.94692733670454]
  ASCENTは、マルチモーダル3D航空機の軌道予測のための軽量トランスフォーマーベースのモデルである。 ドメイン対応の3D座標正規化とパラメータ化予測を統合している。
  論文  参考訳（メタデータ） (2026-03-17T14:16:10Z)
• Flight Delay Prediction via Cross-Modality Adaptation of Large Language Models and Aircraft Trajectory Representation [1.7434507809930746]
  本稿では,軽量な大規模言語モデルに基づくマルチモーダル飛行遅延予測を提案する。 このアプローチは、飛行情報、天気予報、飛行予報を含む、テキストによる航空情報と軌跡表現を統合している。 実験により、モデルが常にサブ分間の予測誤差を達成できることが示されている。 この枠組みは、言語理解と軌跡データの相互モダリティ適応が組み合わさると、遅延予測が促進されることを実証する。
  論文  参考訳（メタデータ） (2025-10-24T12:21:27Z)
• DAWP: A framework for global observation forecasting via Data Assimilation and Weather Prediction in satellite observation space [60.729377189859]
  完全な観測空間でAIWPを動作させるためのDAWPフレームワークを提案する。 AIDAモジュールは、不規則な衛星観測トークンを同化するためにマスク多モードオートエンコーダを適用している。 我々はAIDAがAIWPのロールアウトと効率を大幅に改善し、地球規模の降水分解予測に適用できる有望な可能性を秘めていることを示す。
  論文  参考訳（メタデータ） (2025-10-13T03:13:35Z)
• A Neural ODE Approach to Aircraft Flight Dynamics Modelling [3.436872726361289]
  本稿では、クイックアクセスレコーダ(QAR)データに基づいて訓練されたニューラル正規微分方程式に基づくFlight Dynamics ModelであるNODE-FDMを紹介する。 解析的キネマティックな関係をデータ駆動コンポーネントと組み合わせることで、NODE-FDMは記録された軌道のより正確な再現を実現する。
  論文  参考訳（メタデータ） (2025-09-27T13:44:17Z)
• MAIFormer: Multi-Agent Inverted Transformer for Flight Trajectory Prediction [0.0]
  Multi-Agent Inverted Transformer MAIFormerは、マルチエージェントの飛行軌跡を予測する新しいニューラルネットワークである。 我々は,MAIFormerを実世界における自動監視ブロードキャストフライトトラジェクトリデータセットを用いて評価する。
  論文  参考訳（メタデータ） (2025-09-25T10:59:29Z)
• A Geometry-Aware Message Passing Neural Network for Modeling Aerodynamics over Airfoils [61.60175086194333]
  空気力学は航空宇宙工学の重要な問題であり、しばしば翼のような固体物と相互作用する流れを伴う。 本稿では, 固体物体上の非圧縮性流れのモデル化について考察する。 ジオメトリを効果的に組み込むため,メッシュ表現に翼形状を効率よく,かつ効率的に統合するメッセージパッシング方式を提案する。 これらの設計選択は、純粋にデータ駆動の機械学習フレームワークであるGeoMPNNにつながり、NeurIPS 2024 ML4CFDコンペティションで最優秀学生賞を受賞し、総合で4位となった。
  論文  参考訳（メタデータ） (2024-12-12T16:05:39Z)
• Physics-guided Active Sample Reweighting for Urban Flow Prediction [75.24539704456791]
  都市フロー予測は、バス、タクシー、ライド駆動モデルといった交通サービスのスループットを見積もる、微妙な時間的モデリングである。 最近の予測解は、物理学誘導機械学習(PGML)の概念による改善をもたらす。 我々は、PN(atized Physics-guided Network)を開発し、P-GASR(Physical-guided Active Sample Reweighting)を提案する。
  論文  参考訳（メタデータ） (2024-07-18T15:44:23Z)
• Phased Flight Trajectory Prediction with Deep Learning [8.898269198985576]
  過去10年間で民間航空会社や民間機が前例のない増加を遂げたことは、航空交通管理の課題となっている。 正確な飛行軌跡予測は、安全かつ秩序ある飛行の決定に寄与する航空輸送管理において非常に重要である。 本研究では,大型旅客・輸送航空機の飛行軌道予測における最先端手法よりも優れた位相付き飛行軌道予測フレームワークを提案する。
  論文  参考訳（メタデータ） (2022-03-17T02:16:02Z)
• Federated Learning in the Sky: Aerial-Ground Air Quality Sensing Framework with UAV Swarms [53.38353133198842]
  空気質は人間の健康に大きく影響し、空気質指数(AQI)の正確かつタイムリーな予測がますます重要になっている。 本稿では, 精密な3次元空気質モニタリングと予測を行うための, 新たなフェデレーション学習型地上空気質検知フレームワークを提案する。 地中センシングシステムでは, グラフ畳み込みニューラルネットワークを用いたLong Short-Term Memory (GC-LSTM) モデルを提案し, 高精度, リアルタイム, 将来的なAQI推論を実現する。
  論文  参考訳（メタデータ） (2020-07-23T13:32:47Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。